Revisi on de Conceptos B asicos

Normas: Normas vectoriales y matriciales. Productos interiores.

Errores: Errores computacionales. Propagaci on de errores.
521230 - 1 - DIM Universidad de Concepci on
Normas vectoriales
La manera usual de expresar el tama no de un vector es mediante una norma.
Denici on. Sea V un espacio vectorial. Se llama norma sobre V a cualquier
funci on
| | : V R
v |v|
que satisfaga:
1. |v| 0 v V (positividad),
2. |v| = 0 v = 0 (no degeneraci on),
3. |kv| = [k[ |v| v V, k R (homogeneidad),
4. |v +w| |v| +|w| v, w V (desigualdad triangular).
A un espacio vectorial V provisto de una norma | | se le llama espacio
vectorial normado y se le denota (V, | |).
521230 - 2 - DIM Universidad de Concepci on
Normas vectoriales (cont.)
Ejemplos. Dados V = R
n
(espacio de vectores columna de n componentes
reales) y x =
_
_
_
_
_
x
1
.
.
.
x
n
_
_
_
_
_
R
n
, se denen las siguientes normas:
Norma euclideana: |x|
2
:=
_
n

i=1
[x
i
[
2
_
1
2
.
Norma innito: |x|

:= max
1in
[x
i
[.
Norma uno: |x|
1
:=
n

i=1
[x
i
[.
Por comodidad de notaci on, muchas veces escribiremos un vector columna
como x = (x
1
x
n
)
t
R
n
.
521230 - 3 - DIM Universidad de Concepci on
Distancia entre vectores. Equivalencia de normas
Toda norma sobre un espacio vectorial V induce una distancia:
dist(v, w) := |v w|, v, w V.
Una sucesi on v
n

nN
V converge a v V si dist(v
n
, v) 0:
v
n
v |v
n
v| 0.
Dos normas | |

y | |

sobre un espacio vectorial V son equivalentes si

existen constantes C
1
y C
2
tales que
C
1
|v|

|v|

C
2
|v|

v V.
Teorema. Todas las normas sobre un espacio de dimensi on nita son
equivalentes.
Corolario. Si | |

y | |

son dos normas cualesquiera en un espacio de

dimensi on nita, entonces
|v
n
v|

0 |v
n
v|

0.
521230 - 4 - DIM Universidad de Concepci on
Normas matriciales inducidas.
Toda norma vectorial | | sobre R
n
induce una norma matricial sobre R
nn
(espacio de matrices cuadradas n n):
|A| := max
xR
n
: x=0
|Ax|
|x|
, A R
nn
.
Es f acil vericar que esto dene efectivamente una norma sobre R
nn
.
Esta norma se dice que es una norma matricial inducida por la norma
vectorial y se denota con el mismo smbolo que la norma vectorial.
Proposici on. Toda norma matricial inducida por una norma vectorial satisface
las siguientes propiedades:
|Ax| |A| |x| A R
nn
, x R
n
(compatibilidad),
|AB| |A||B| A, B R
nn
(submultiplicatividad).
521230 - 5 - DIM Universidad de Concepci on
Normas matriciales (cont.)
Hay formas m as sencillas de calcular algunas de las normas matriciales m as
usuales.
Proposici on. Sea A = (a
ij
) R
nn
. Entonces:
|A|

= max
1in
_
_

1jn
[a
ij
[
_
_
(m axima suma de las).
|A|
1
= max
1jn
_
_

1in
[a
ij
[
_
_
(m axima suma de columnas).
|A|
2
=
_

_
A
t
A
_
(norma espectral).
521230 - 6 - DIM Universidad de Concepci on
Valores y vectores propios
Denici on. Dada una matriz cuadrada A, diremos que un n umero C es
un valor propio (o autovalor) de Asi existe un vector no nulo, v ,= 0, tal que
Av = v.
A v se le llama vector propio (o autovector) asociado al valor propio .
es un valor propio si y s olo si es raz de la ecuaci on caracterstica
det(AI) = 0.
Denici on. El espectro de Aes el conjunto de todos sus valores propios:
(A) :=
_
C : es un valor propio de A
_
.
Denici on. El radio espectral de Aes el m aximo m odulo de sus autovalores:
(A) := max
(A)
[[.
Teorema. Si A R
nn
es sim etrica (A
t
= A), entonces |A|
2
= (A).
521230 - 7 - DIM Universidad de Concepci on
Producto interior
Sea V un espacio vectorial real. Se llama producto interior sobre V a
cualquier funci on
, ) : V V R
(v, w) v, w)
que satisfaga:
1. v, v) 0 v V (positividad),
2. v, v) = 0 v = 0 (no degeneraci on),
3. v, w) = w, v) v, w V (simetra),
4. v, k
1
w
1
+ k
2
w
2
) = k
1
v, w
1
) + k
2
v, w
2
)
v, w
1
, w
2
V, k
1
, k
2
R (linealidad).
521230 - 8 - DIM Universidad de Concepci on
Producto interior (cont.)
Ejemplo. El producto escalar en R
n
:
x, y) := x
t
y =
n

i=1
x
i
y
i
, x = (x
1
x
n
)
t
, y = (y
1
y
n
)
t
R
n
.
Todo producto interior sobre un espacio vectorial V induce una norma:
|v| :=
_
v, v), v V.
En particular, el producto escalar en R
n
induce la norma euclideana:

x
t
x = |x|
2
, x R
n
.
Teorema. Desigualdad de Schwarz:
[v, w)[ |v| |w| v, w V.
Denici on. Dos vectores v y w son ortogonales cuando v, w) = 0:
v w v, w) = 0.
521230 - 9 - DIM Universidad de Concepci on
Representaci on de n umeros reales en un sistema de
punto otante
Lo describiremos, por sencillez, en el sistema decimal, aunque los
computadores representan los n umeros en sistema binario:
783.375 +.783375 10
3
0.00843215 +.843215 10
2
1.23456 .123456 10
1
0.999999 .999999 10
0
521230 - 10- DIM Universidad de Concepci on
Almacenamiento de n umeros reales en computador
En el computador se almacenan el signo, la mantisa y el exponente (con su
signo) del n umero real.
+_
.
dgitos k
mantisa signo
exponente signo mantisa
x
10
dgitos l
exponente
(con signo)
La cantidad de dgitos k que se utilizan para almacenar la mantisa es ja. Por
lo tanto s olo pueden almacenarse a lo sumo k dgitos de mantisa de un
n umero real.
La cantidad de dgitos l que se utilizan para almacenar el exponente tambi en
es ja. Por lo tanto hay un exponente positivo m aximo y otro exponente
negativo mnimo que pueden llegar a representarse.
521230 - 11- DIM Universidad de Concepci on
Overow
Si se intenta almacenar un n umero cuyo exponente positivo es mayor que el
m aximo representable en el sistema, se produce un error fatal: overow. Por
lo tanto existe un m aximo n umero positivo que puede representarse.
En MATLAB el m aximo n umero representable es aproximadamente 10
308
.
Si se intenta representar un n umero mayor, el computador devuelve Inf
(innito) como una indicaci on de que se produjo un overow:
>> a=21023
a =
8.988465674311580e+307
>> b=21024
b =
Inf
521230 - 12- DIM Universidad de Concepci on
Underow
Si se intenta almacenar un n umero cuyo exponente negativo es menor que el
mnimo representable se produce un error leve: underow. Por lo tanto existe
un mnimo n umero positivo que puede representarse. Si se representa un
n umero positivo menor que ese mnimo, el computador almacena 0:
En MATLAB el mnimo n umero positivo representable es aproximadamente
10
323
:
>> c=2-1074
c =
4.940656458412465e-324
>> d=2-1075
d =
0
521230 - 13- DIM Universidad de Concepci on
Error de redondeo
Si se intenta almacenar un n umero con m as dgitos de mantisa que la cantidad
m axima k que permite el sistema, s olo se almacenan los primeros k dgitos.
Por ello, al representar un n umero real en un sistema de punto otante, en
general se comete un peque no error de redondeo.
En MATLAB se almacenan entre 15 y 16 dgitos decimales de mantisa:
>> e=123456789.0123456789
e =
1.234567890123457e+08
>> f=pi
f =
3.14159265358979
521230 - 14- DIM Universidad de Concepci on
Operaciones en punto otante
El computador calcula cada una de las cuatro operaciones matem aticas
fundamentales, suma (+), resta (), producto () y cociente (/), de manera tal
que el resultado que se obtiene tiene correctos el m aximo n umero k de dgitos
representables.
Por ello, en cada operaci on matem atica tambi en se comete un peque no error
de redondeo:
>> g=1.0000000001*1.0000000001
g =
1.00000000020000
>> h=1+10-17
h =
1
521230 - 15- DIM Universidad de Concepci on
Constante de precisi on
Como se ve en el ejemplo anterior, si se calcula en punto otante 1 + , con
sucientemente peque no, debido al error de redondeo el resultado que se
obtiene es 1.
La constante de precisi on (o unidad de redondeo) del computador se dene
como el mnimo n umero > 0 tal que, en punto otante,
1 + ,= 1.
Se demuestra que el error relativo que comete el computador al representar
un n umero real o al hacer una operaci on elemental en punto otante es menor
o igual que la contante de precisi on.
521230 - 16- DIM Universidad de Concepci on
Constante de precisi on (cont.)
En MATLAB la constante de precisi on se llama eps y es aproximadamente
10
16
:
>> eps
ans =
2.220446049250313e-16
>> p=(1+eps)-1
p =
2.220446049250313e-16
>> q=(1+eps/2)-1
q =
0
521230 - 17- DIM Universidad de Concepci on
Cancelaci on excesiva
Las operaciones de producto y cociente en punto otante dan siempre
resultados conables, en el sentido que todos los dgitos del resultado que se
obtienen son correctos (siempre que no se produzca overow o underow).
Las operaciones de suma y resta usualmente dan resultados con todos sus
dgitos correctos. Sin embargo, esto no es as cuando se restan n umeros muy
parecidos.
Este fen omeno se denomina cancelaci on excesiva.
521230 - 18- DIM Universidad de Concepci on
Cancelaci on excesiva (cont.)
>> r=.123456789012345;
>> s=.12345678901234;
>> t=r-s % El valor exacto es t=5.e-15
t =
4.996003610813204e-15
>> u=12345678901234567;
>> v=12345678901234566;
>> w=u-v % El valor exacto es w=1
w =
2
521230 - 19- DIM Universidad de Concepci on
Propagaci on de errores
Las integrales
I
n
:=
_
1
0
x
n
e
x1
dx, n = 1, 2, . . .
se relacionan mediante la expresi on
I
n
= 1 nI
n1
, n = 2, 3, . . .
que se obtiene f acilmente por integraci on por partes.
Esta expresi on permite calcular esas integrales recursivamente a partir del
valor de I
1
, que se calcula exactamente tambi en por partes:
I
1
=
_
1
0
xe
x1
dx = xe
x1

1
0

_
1
0
e
x1
dx = e
1
= 0.36787944...
Si se parte del valor aproximado

I
1
0.367879 (correctamente redondeado
a 6 dgitos) se obtiene:

I
2
= 0.264242,

I
9
= 0.06848 < 0 !!!
521230 - 20- DIM Universidad de Concepci on
Propagaci on de errores (cont.)
Dado que la expresi on I
n
= 1 nI
n1
es exacta para n umeros reales, el
error en

I
9
se debe necesariamente a la propagaci on del error en

I
1
.
Para estudiar esta propagaci on sea:
= I
1


I
1
= e
1
0.367879 0.44 10
6
.
Entonces:

I
1
= I
1
,

I
2
= 1 2

I
1
= 1 2(I
1
) = I
2
+ (2)(),

I
3
= 1 3

I
2
= 1 3[I
2
+ (2)()] = I
3
+ (3)(2)(),
.
.
.

I
9
= 1 9

I
8
= I
9
+ (9) (3)(2)() = I
9
9!.
Por lo tanto,
I
9

I
9
= 9! 362 8800.4410
6
0.16 e

I
9
= 0.06848 !
521230 - 21- DIM Universidad de Concepci on
Propagaci on de errores (cont.)
Un algoritmo como el anterior, donde el error crece en cada paso, se dice que
es inestable.
Este tipo de algoritmos debe evitarse pues propaga de manera catastr oca los
errores en los datos, como se ve en el ejemplo.
La relaci on anterior puede reformularse para obtener el siguiente algoritmo:

I
N
: dato,
I
n1
:=
1 I
n
n
, n = N, N 1, . . . , 3, 2.
Un an alisis semejante al anterior permite demostrar que, en el paso n- esimo
de este algoritmo, el error del paso anterior se divide por n. En consecuencia
este algoritmo no s olo no amplica los errores, sino que los reduce.
Un algoritmo como este, que no amplica los errores, se dice que es estable.
Por ejemplo, si se toma N = 20 e

I
20
= 0, verique que mediante este
algoritmo se obtiene

I
9
= 0.091 612 292 990, con error menor que 10
12
.
521230 - 22- DIM Universidad de Concepci on